从选型到实战:盘点那些在电子设计中不可或缺的LDO芯片

news2026/5/7 19:38:55
1. 为什么你的电子设计离不开LDO芯片第一次用LDO给传感器供电时我被它的安静程度惊到了。之前用开关电源总能在示波器上看到毛刺换成TPS7A4700之后电源纹波直接从50mV降到了3μV。这种体验就像从嘈杂的菜市场突然走进图书馆——模拟电路终于能安静地工作了。LDO低压差线性稳压器是电子工程师的降压神器它能把较高的输入电压稳定地转换成低压输出。与DCDC转换器相比LDO没有开关噪声输出像湖水一样平稳。但它的效率确实不如DCDC因为多余的电压都转化成热量了。这就好比用自来水龙头调节水流——虽然会浪费些水但水流特别稳定。在下面这些场景你会特别需要LDO给ADC/DAC供电时噪声低于10μV才算合格物联网设备待机时静态电流要小于5μA才能省电空间紧张的穿戴设备SOT-23封装的LDO比指甲盖还小我做过一个血氧仪项目用TPS7A0303给AFE4400供电。开始贪便宜用了DCDC结果ADC读数总跳变。换成LDO后信噪比直接提升了12dB这钱花得值2. 工程师必知的LDO关键参数2.1 压差Dropout Voltage——LDO的最低工作电压去年做蓝牙耳机时踩过坑选了个压差300mV的LDO结果电池电压降到3.3V时3.0V输出就开始波动了。后来换成TPS7A2050压差仅85mV续航时间多了半小时。压差就像水管的水压差——必须保持一定压力差水才能流出来。常见LDO的压差范围传统LDO300mV~500mV如LM1117低功耗LDO150mV~300mV如TPS7A20超低压差50mV~100mV如TPS7A85电池供电设备要特别注意以3.7V锂电池为例满电4.2V放完电3.0V。如果要输出3.3V压差必须小于0.7V4.2-3.30.9V看似够用但电池后期会掉到3.0V3.0-3.3-0.3V已经反向了。2.2 静态电流IQ——电池设备的电表走字我的智能门锁项目曾因IQ太高翻车选的LDO静态电流有50μA导致3个月就要换电池。换成TPS7A02IQ1μA后续航延长到2年。静态电流就像家里关灯后还在转的电表主要消耗在误差放大器基准电压源反馈电阻网络不同场景的IQ要求常电设备1mA即可物联网终端10μA可穿戴设备1μA实测数据TPS7A8300在1μA IQ时效率比普通LDO高15%。但要注意有些LDO的IQ会随负载变化选型时要看全负载曲线。2.3 电源抑制比PSRR——噪声的防火墙给射频模块供电时PSRR不够的LDO会让信号底噪抬高。我用频谱仪对比过LM2940PSRR60dB1kHz底噪-80dBmTPS7A4701PSRR78dB1kHz底噪-95dBmPSRR就像隔音墙的厚度数值越高输入端的纹波越难传到输出端。关键频段的PSRR值50Hz/100Hz要大于60dB抑制工频干扰1kHz~10kHz要大于50dB开关电源噪声1MHz以上大于30dB即可高频噪声易滤波3. 四大经典LDO芯片实战解析3.1 TPS7A47系列——模拟电路的净水器这是我给心电监测仪选用的LDO它的噪声密度只有4.7μVrmsPSRR高达78dB。接法很简单Vin ------[10μF]------ Vout | | [0.1μF] [10μF] | | GND GND注意要点输入输出电容必须用X7R材质布局时先经过输入电容再到LDO反馈电阻要小于100kΩ以防噪声引入实测在0-100mA负载跳变时输出电压波动5mV完全满足ECG前端要求。3.2 TPS7A20系列——物联网的省电王用在NB-IoT水表上时它的1μA IQ让整机待机电流降到3.8μA。典型电路BAT ------[1μF]------ Vout | | [EN] [1μF] | | GND GND关键技巧EN引脚可接MCU GPIO做电源域控制输出电容可用1μF陶瓷电容无需大容量输入电压范围1.7V-6.5V适合两节干电池3.3 TPS723xx——负电压的稳压器很多工程师会误解负LDO的用法。它不能把正压转负压而是稳定已有的负电压。比如-5V系统可以这样接-9V ------[10μF]------ -5V | | [ADJ] [10μF] | | GND GND调节公式Vout -1.186V × (1 R1/R2)注意R1R2建议取100kΩ太大容易引入噪声。3.4 LP5907——空间受限设计的瘦身专家做TWS耳机充电仓时SOT-23封装的LP5907帮了大忙。它的布线技巧输入输出电容尽量靠近引脚用0402封装的1μF电容GND引脚下方直接打过孔到地平面实测在50mA负载下温升仅8°C完全不需要散热设计。4. PCB布局的五个血泪教训电容距离法则输入电容距离LDO超过5mm时ESL会导致振荡。我有次布局偷懒结果上电就自激后来把电容挪到3mm内立刻正常。地平面切割陷阱给数字和模拟部分供电时很多人会切割地平面。但LDO的GND引脚必须连接到安静的地否则PSRR会下降20dB。热阻计算盲区SOT-223封装的LDO在200mA负载时结温可能达到100°C。要用这个公式验算Tj Ta (RθJA × Pd) Pd (Vin - Vout) × Iload反馈走线禁忌可调输出LDO的反馈走线要短而直。我曾因走线过长导致输出波动后来改用下方走线层并包地处理。测试点预留一定要在Vout引脚附近留测试点。有次量产发现5%不良最后发现是探针接触不良导致误判。5. 选型决策树三步找到你的Mr.Right第1步确定硬约束输入电压范围电池供电工业电源输出电压精度±1%还是±3%封装尺寸有没有高度限制第2步优化关键指标电池供电优先考虑IQ和压差射频/模拟电路看PSRR和噪声大电流应用关注热阻和效率第3步成本与供货汽车级芯片比工业级贵3倍检查芯片是否在产避免选用EOL型号评估备选方案如DCDCLDO组合举个实际案例给4G模块选LDO时我对比了三款芯片型号压差PSRR1kHzIQ价格TPS7A4701200mV78dB80μA$0.85LT3045260mV90dB20μA$2.30MIC5209350mV60dB50μA$0.40最终选择TPS7A4701因为在PSRR和价格间取得了平衡。这个决策过程花了我2小时但省去了后期改板的麻烦。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2526219.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…